今天要给你们讲的这篇蚊帐,就是这么Low Bee而速成的存在。题目是,呃,太长了,你们自己看哈:
这篇蚊帐发表在Supportive Care in Cancer(IF=2.698)上,唯一的亮点,就是完全没有做实验。
从这篇摘要里我们能看到哈,作者所采用的是“Text mining-based in silico drug discovery”来进行的分析,这里面“Text mining”指的就是文本挖掘,而“in silico drug discovery”就是计算机上的药物发掘。也就是完全没有打算做实验的意思。
由于口腔癌的放疗会有很多副作用,比如口腔黏膜炎,还有就是口腔的伤口不容易愈合。于是作者就用文本挖掘,来分析了已知的PubMed上的文献,然后对相应的基因进行聚类分析(看看富集在什么通路或者过程上)和PPI分析(筛除没有edge的nodes)筛选关键基因,然后再用网页工具把基因和药物联系起来。没错,就是这么简单的蚊帐。
首先他用两个关键词的文本挖掘分析筛查到了447个相关基因,然后用GO、Pathway和PPI分析,筛出了20个他们认为关键的基因,最后做了与药物的相关分析,预测这些药物大概能缓解口腔癌放疗的副作用(说实话到底有没有用谁知道……)。
当然,这种PPI分析是不是特别眼熟?没错,就是用STRING做的。而文本挖掘,确实是花了点时间,因为我网速不好,一直卡:
要不是这样,我不会花了15分钟才重复完这些步骤的。想想人家15分钟内,就能完成一篇两点几分的蚊帐,是不是你自己也有点跃跃欲试了?
其实我要讲的,并不是如何不做实验写蚊帐,而是人家的思路,就是这样,随随便便就挖掘出一个课题来。不管你是从实验,还是从数据库,或者从文献中,找到疾病与基因的相关性,都能挖出一两个像样的课题。这又有什么难的呢?好了,大家有兴趣的话,就自己去试试吧,今天就先策到这里吧。
联系客服